为全方位、深层次、高水平推进人工智能赋能新型工业化，加强典型经验总结和优秀案例推广，打造行业应用标杆，工信部公示了2025年度人工智能应用典型案例名单（全国285个），重庆市共有13个案例入选，分布在技术底座、行业赋能、产品应用3个方向，现将案例内容作系列发布。
今天，一起去看看技术底座方向入围的2个案例：中冶赛迪信息技术（重庆）有限公司的钢铁冶金全流程机器视觉模型一体化开发平台应用、中移物联网有限公司的OneNET数据治理平台应用。
案例一钢铁冶金全流程机器视觉模型一体化开发平台应用
案例背景
钢铁是国民经济、社会发展和国防安全的重要基石。随着人工智能加速赋能新型工业化，钢铁行业智能化转型持续深化，企业对机器视觉能力的需求正由单点应用转向全流程覆盖、多场景协同和规模化复制。传统“单场景单模型”的研发方式，在数据获取成本、产品研发周期、模型迁移复用和工程推广效率等方面的局限性日益突出，难以满足钢铁企业全流程、多点位、复杂场景的智能感知需求。
技术方案
钢铁冶金全流程机器视觉模型一体化开发平台应用形成从数据采集、数据治理、智能标注、模型训练、边缘推理到系统应用的全链条闭环体系，能够提供统一可复用的模型开发与应用支撑。整体架构可分为三个层级：
方案整体架构
第一层级：感知层
平台针对钢铁生产现场高温、高粉尘、高水雾、高动态和强干扰等复杂环境，配套打造CISDigital AI金睛相机、质检一体机等软硬件一体化设备。设备可根据不同工序和场景需求灵活部署，实现从现场取图、边缘识别到结果推送的实时闭环，满足钢铁高速生产过程对耐热防污、高清成像、稳定运行和快速响应的要求。
第二层级：算法与平台层
形成了“行业大模型-专家模型-边缘模型”的算法研发体系，并依托CISDigital AI开发平台实现数据治理、智能标注、模型训练和部署管理的一体化支撑。
数据方面：汇聚3000万+张高质量行业图像，构建覆盖钢铁全流程的工业视觉数据资产体系，支持视频切片、数据过滤、样本清洗、和数据版本管理等功能；针对起火、打滑、极端天气、罕见缺陷等难获取样本，结合仿真生成和数据增强补足长尾样本。标注环节引入大模型能力，实现自动标注与半自动标注，显著降低人工标注成本，提升样本质量和模型训练效率。
模型方面：以自研钢铁行业视觉大模型CISDigital AI金睛大模型为核心，面向定位、识别、检测、测量等典型机器视觉任务，迁移构建20+个具有较强通用性和泛化能力的专家模型，并进一步通过微调、知识蒸馏和边缘轻量化部署形成覆盖钢铁全流程的边缘模型群。CISDigital AI开发平台支持模型训练、模型评估、版本管理、资源调度、部署编译和运行监控等全生命周期管理，提升模型研发效率和跨场景复用能力。
第三层级：应用层
平台围绕原料、炼铁、炼钢、连铸、轧钢、仓储、安环和质检等关键环节，形成皮带机运行状态监测、颗粒度识别、转炉火焰识别、废钢智能判级、热轧板形检测、钢铁OCR识别、表面缺陷检测等系列视觉AI产品。系统支持跨工序数据联动、多点位同步识别、异常实时告警和过程追溯，可与工艺系统、质量系统、安环系统和生产管控系统集成，辅助车间开展质量闭环管理、生产过程优化和安全风险管控。
应用情况及经济社会效益
应用情况
已在宝武湛江、日照钢铁、永锋钢铁等51家钢企推广应用，累计部署1745套设备，能力覆盖钢铁冶金全流程100+个场景，平均业务识别准确率达到98%以上，端到端推理时延≤50ms，新场景部署周期由传统3-6个月压缩至5天左右，同类型任务跨产线迁移样本量可控制在500张以内，推动机器视觉产品低成本、高效率、大规模复制推广。
相关能力既可作为独立视觉应用，完成现场检测、识别、测量、定位等任务，也可接入企业既有生产系统支撑自动化联锁控制，推动单点视觉场景由“感知”向“决策”和“控制”延伸。例如，转炉火焰状态识别结果可深度参与氧枪调控，实现了行业内首次AI闭环控制，无人操枪率高达90%。
平台能力还可向有色、矿山、化工、中药等相近工业领域拓展。例如，平台将废钢智能质检中形成的复杂堆叠目标识别能力迁移至中药配药场景，在几乎没有行业先验知识的任务中，模型在不到一个月时间内将识别准确率由75%提升至98%，目前已稳定在99%以上。
经济效益
形成了皮带机运行状态在线监测、转炉火焰识别、钢卷端面质量检测等24个机器视觉系列产品，为应用企业带来了显著的经济效益，如：
原料运输环节，通过对皮带机进行24h智能监控与异常告警，有效防止皮带起火、物料散落等问题，预计减少皮带损耗、物料损失及人工成本165万元/年。
在转炉炼钢环节，作为AI传感器，分析火焰状态、判断冶炼终点，提供信息辅助氧枪控制，使炼钢周期缩短6min、中包温控合格率提升4%、钢铁料消耗降低1kg/t以上。
在板材轧制环节，通过提供标准、量化的检测结果，指导人工调整设备参数；发现板形异常立即告警提醒操作人员，提升轧制工序稳定性，避免因事故扩大导致的设备损失约500万元/年。
社会效益
本案例推动了机器视觉技术在钢铁冶金等工业领域的应用从“单点式”向“产业化”转变，社会效益显著：
提升安全水平：替代传统的人工巡检，将工人从“风险大、环境差、作业难”的“3D”岗位中撤离，改善作业环境，提升了钢铁企业的本质安全水平；
稳定生产流程：减少因主观经验波动、缺陷特征细微等原因造成的漏检错检或人为操作失误等情况，降低不合格品流入下游工序的概率；
增强数字化能力：将原有的人工手动记录转为电子记录，保障生产数据的完整性和可追溯性，可打通工厂多个数字系统间的数据壁垒，提升数据利用率和流转效率。
赋能产业协同：本平台的规模化应用，能够带动上下游原材料、设备制造、成品加工等相关产业协同发展。
案例二OneNET数据治理平台应用
案例背景
在国家十五五、“数字中国”等战略与制造业数字化转型的深入推进下，工业互联网与物联网设备部署规模持续扩大，工业数据呈现爆发式增长。在智能网联汽车、高端装备等重点产业集群中，企业普遍面临设备数据多源异构、接入分散、质量参差不齐、共享流通困难、安全风险突出等共性痛点。传统数据管理方案往往缺乏统一治理机制，难以支撑实时高并发处理与跨系统协同，制约了数据要素价值释放与产业智能化升级。
技术方案
OneNET数据治理平台应用围绕“统一数据底座+场景智能应用”构建产品体系，通过先夯实数据接入、治理和对象关联，再叠加识别、分析、生成和闭环能力，重点解决当前客户面临的数据分散、标准不一、人工依赖强、过程难追溯、结果难输出等问题，推动客户从“系统分散支撑”走向“数据统一驱动、AI协同增效”。
核心技术架构与能力
OneNET数据治理平台其核心基础架构涵盖数据采集层、存储计算层、治理服务层与应用开放层，构建了覆盖数据“采、存、治、管、用”全生命周期的技术栈。
技术架构图
多源数据统一接入能力。统一对接物联网设备、业务系统和现场采集数据，实现水表、气表、热表、传感器、巡检点位、图片及业务台账等多源数据接入，形成统一的数据采集入口。解决不同系统数据分散、接入方式不统一、后续难以联动分析的问题。
数据治理与标准化能力。对原始数据进行清洗、归一化、脱敏、标签化和质量校验，建立统一数据标准、主数据体系和对象编码规则，保障数据长期可用、可管、可复用。解决采集口径不一致、字段标准不统一、数据质量参差不齐的问题，为后续分析与复用打基础。
人房商企物对象关联能力。围绕“人、房、商、设备、点位、区域”等核心对象建立关联关系，实现从单一数据记录到业务对象的结构化映射，支撑跨系统、跨场景的数据贯通。解决数据只能分散看、不能关联看，难以形成住户状态、商户经营状态、巡检责任对象等整体判断的问题。
统一任务与过程留痕能力。支持任务下发、现场采集、扫码巡检、照片留痕、时间位置记录、结果回传等过程管理，形成从采集到处置的全过程数据沉淀。解决线下执行过程不可见、真实性难核验、纸面记录易流于形式的问题。尤其适用于消防巡检等高频、强留痕场景。
结果沉淀与数据资产运营能力。将分析结果、标签结果、巡检记录、异常事件和业务处置结果统一入库，形成结构化数据资产，支撑报表输出、数据产品封装、可信流通和价值运营。解决数据只停留在业务过程、难以沉淀复用，无法形成持续分析能力和数据价值转化路径的问题。
智能分析与趋势研判能力。针对居民、商户、设备、区域等对象，基于定制化场景算法，开展异常检测、状态判断、趋势预测、联动分析和变化研判，持续输出可用于业务决策的分析结果。解决只能做静态统计、不能做持续识别和动态研判的问题，帮助客户从“事后看结果”走向“过程看变化”。
AI报告生成与结果解释能力。基于现场图片、巡检记录、业务数据和分析结果，通过AI大模型自动生成巡检报告、问题描述、异常说明和阶段性汇总材料，并支持人工校核完善。解决巡检后图片、文字、报告需要人工整理，迎检和复盘时临时补材料、效率低的问题。
关键技术说明
智能数据融合与治理技术。基于AI算法实现多源异构数据的自动识别、映射、清洗与质量修复，构建高质量数据资产。
基于数字孪生的数据映射与管理技术。为物理实体构建数字孪生模型，实现状态精准映射与全生命周期数据关联管理。
高实时流批一体处理技术。支持流式计算与批量处理的统一调度，满足实时监控与历史深度分析混合场景。
可信数据空间安全技术。融合数据沙箱、智能合约与国密算法，实现数据“可用不可见”的安全流通与协同计算。
云原生平台化技术。基于容器化、微服务与服务网格，实现平台的敏捷开发、弹性伸缩与高效运维。
项目优势
具备丰富的数据治理领域大型项目实施经验：平台已在雄安新区、宁夏等国家重点项目中成功落地实施，积累了PB级数据治理实战经验。获得数据交易相关资质认证，在数据要素市场化配置方面已有多个标杆案例。构建了从数据采集、治理、开放到交易的完整解决方案体系，为城市数字化转型提供端到端服务能力。
自研按需可重构智能网络技术，获国家背书：自研智能业务网络关键技术物联感知设备接入及管理关键技术，参与申报2023年度国家科学技术进步奖，被评定为国家科学技术进步奖二等奖（按需可重构的智能业务网络关键技术及规模应用），在业界具有领先地位。
依托OneNET物联网平台海量数据实时采集处理能力：已接入海量物联网设备，支持日处理TB级数据量。采用先进的流处理架构，实现毫秒级数据捕获与处理。
具备全栈国产化安全合规体系：系统全面适配麒麟、欧拉等国产操作系统并获得相关认证，核心技术自主研发。采用动态脱敏、国密算法等技术构建多层次安全防护体系，通过数据分类分级、访问控制、审计追溯等机制确保数据安全合规。
自研云原生微服务弹性架构：基于微服务和容器化技术，实现业务模块独立部署与弹性伸缩。相比传统单体架构，部署效率大幅提升，故障隔离能力增强，支持快速扩容。自动化运维体系支撑大规模集群稳定运行，系统可用性达到行业领先水平。
应用情况及经济社会效益
应用对象及场景
项目面向智慧城市、工业制造、智慧物流、能源电力、智慧医疗等领域的用户，针对海量物联网设备接入、数据治理与管理场景，提供基于运营商网络的设备接入管理及全生命周期数据治理服务（涵盖数据质量、安全、存储、共享）能力，解决数据质量参差、安全风险、存储效率低、共享壁垒等核心问题，实现物联网数据高效、合规管理。在工业领域助力设备监控、能效优化，预计服务超30万家企业，支撑智能城市、工业数字化转型、绿色能源、智慧医疗等可持续发展，提升社会效率与资源利用率。
应用成效
应用效果：在某国家级新区智慧城市项目中，平台统一纳管了超过10万台各类物联感知设备，实现了城市运行数据的实时汇聚与智能分析，使城市事件发现与处置效率提升40%以上。在某大型能源集团安全环保监管项目中，平台实现了对集团全域生产安全与环境监测数据的“横向到边、纵向到底”的穿透式管理，助力风险预警响应时间缩短60%。
经济效益：平台通过提供标准化的数据治理服务，显著降低了用户自建数据中台的研发与运维成本。带动下游物联网集成、数据分析应用等产业链环节创造产值超1亿元。其支撑的物联网平台已连续多年在权威市场评估中位居领导者象限。
社会效益：项目填补了国内在跨行业、大规模物联数据治理领域的平台化产品空白，为数据要素市场化流通提供了关键技术基础设施。通过提升公共数据与产业数据的治理水平，有效助力了城市治理现代化与产业数字化转型，为落实“数字中国”与“十五五”规划相关目标提供了实践范例。
推广价值
行业引领示范：项目作为早期实践者，成功验证了“平台化、服务化”数据治理模式在超大型复杂场景下的可行性，其架构理念与实施方法论已形成行业白皮书与标准规范，为同类项目建设提供了可复制的参考模板。
用户评价：该平台“有效解决了长期存在的数据孤岛问题”，“数据服务质量与开发效率得到根本性改善”，“安全可控的设计为处理敏感数据提供了信心”。平台已支撑客户获得省部级科技进步一等奖、国家科技进步奖二等奖等荣誉。
上下游产业链协同：平台作为“数据底座”，向上承接各类应用软件，向下连接海量终端与设备，有力拉动了从芯片模组、传感设备到系统集成、SaaS应用的全产业链发展。通过建立开放的合作生态，促进了技术、数据与业务在产业链内的有序流动与协同创新，增强了数字产业生态的整体竞争力。
(审核编辑: 光光)
